CN110853280A - 结合卫星遥感和地表要素的山火识别方法及装置 - Google Patents
结合卫星遥感和地表要素的山火识别方法及装置 Download PDFInfo
- Publication number
- CN110853280A CN110853280A CN201911018595.2A CN201911018595A CN110853280A CN 110853280 A CN110853280 A CN 110853280A CN 201911018595 A CN201911018595 A CN 201911018595A CN 110853280 A CN110853280 A CN 110853280A
- Authority
- CN
- China
- Prior art keywords
- fire
- suspected
- point
- fire point
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 230000000737 periodic effect Effects 0.000 claims abstract description 8
- 230000001360 synchronised effect Effects 0.000 claims description 18
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000005855 radiation Effects 0.000 description 5
- XRIWLEWQNCECEP-UHFFFAOYSA-N 3-methyl-3-nitrososulfanyl-2-(propanoylamino)butanoic acid Chemical compound CCC(=O)NC(C(O)=O)C(C)(C)SN=O XRIWLEWQNCECEP-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开一种结合卫星遥感和地表要素的山火识别方法及装置,获取卫星遥感图像数据,通过卫星遥感图像数据建立火点辨识模型;将实时卫星遥感图像与火点辨识模型对比后得到疑似火点,并将疑似火点形成疑似火点清单;对疑似火点清单内的疑似火点进行周期性监视比对,并得到高疑似火点;取高疑似火点建立火点置信度模型,通过火点置信度模型获取火点的置信概率,同时通过高疑似火点的位置信息确定火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。本发明的有益效果是:提高了判断火点的准确性,整体降低误报率。
Description
技术领域
本发明涉及山火监控预警领域,尤其涉及一种结合卫星遥感和地表要素的山火识别方法。
背景技术
超高压输电线路距离长、跨度大、地理分布广,气象条件十分复杂,输电通道经行山区、林区,线路走廊附近村民烧荒、祭扫等行为而引燃的山火对线路安全稳定运行造成的威胁也日益加剧,据国家电网故障分类统计资料表明,2012-2017年间,山火引起的跳闸均在总跳闸次数的10%以上。导致超高压输电线路山火跳闸故障的山火具有季节性、隐蔽性和突发性的特点,此前超高压输电线路山火监测主要以卫星监测为主,但卫星监测与地表信息的协同差,输电线路现场的地形复杂,受人文环境、气象环境影响大,山火误报率难进一步提升。
中国专利申请CN109509319A公开了一种基于静止卫星监测资料的输电线路山火监测预警方法,利用静止卫星的遥感图像识别出火点,并利用遥感图像得出周围亮温,通过对比得到火点,亦即根据图像本身的亮度差对比得到火点,所以经运算得到的火点很多,干扰很大,无法准确判断哪些火点是真实存在隐患的。
发明内容
针对上述问题,本发明提出一种结合卫星遥感和地表要素的山火识别方法,主要解决现有火点识别技术识别准确率低的问题。
为解决上述技术问题,本发明的技术方案如下:
一种结合卫星遥感和地表要素的山火识别方法,
获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取火点的置信概率,同时通过所述高疑似火点的位置信息确定高疑似火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
更进一步地,所述建立火点辨识模型的过程包括,
截取部分所述卫星遥感图像数据作为监测区域,在所述监测区域内取n个点的影响因素,得到n组历史数据[Thoi,T,H,E,G],其中Thoi为历史亮温阈值,T为气温,H为湿度,E为海拔,G为日照时长,为所述影响因素T、H、E和G分别设定权重值a、b、c和d,建立一次方程组(1),
采用最小二乘估计法对以上方程组进行变换得到等式(2),
S(a,b,c,d)的最小值在各个变量的偏导值为0的时候得到(3),
解方程(3)后得到所述权重值a、b、c和d;
定时取各所述监测区域的气温、湿度、海拔以及日照时长,代入方程组(1)得到定时时段内所述监测区域的基础亮温阈值Th。
更进一步地,在所述建立火点辨识模型后还包括,将所述实时卫星遥感图像去噪后获取图像每个像素点的亮温值TC,并将所述亮温值TC进行二值化,将TC>Th的像素点标记为白色,将TC<Th的像素点标记为黑色,判断二值化后的白色像素点为所述疑似火点,并加入疑似火点清单。
更进一步地,所述周期性监视比对包括,
判断所述疑似火点的来源,若所述疑似火点源自同步卫星,则继续监测下一同步卫星信号周期是否存在距离1千米内相同热点告警,若出现重复告警,则将所述疑似火点列为高疑似火点,若未重复告警,但极轨卫星在告警前30分钟内存在距离1千米内相关热点告警,则列为高疑似火点;
若所述疑似火点源自极轨卫星,且在告警前30分内距离1千米内存在同步卫星相关热点告警,则列为高疑似火点,判断火点监测数据源自极轨卫星,且在告警前30分内距离1千米内存在其他极轨卫星相关热点告警,则列为高疑似火点;
其他情况不将所述疑似火点列为高疑似火点。
更进一步地,所述同步卫星信号周期为10min。
所述建立火点置信度模型的过程包括,获取高疑似火点的经纬度坐标,根据所述经纬度坐标的位置提取附近地区的地表气象要素,并建立所述火点置信度模型(4);
影响卫星辨识山火存在五类因素,其中PA为地表因素对应的山火可信概率,PB为广域气象对应的山火可信概率,PC为人文节气对应的山火可信概率,PD为历史火点对应的山火可信概率,PE为火点聚集度对应的山火可信概率,HA、HB、HC、HD和HE为五个所述山火可信概率PA、PB、PC、PD和PE所对应的权重,所述山火可信概率通过预设的概率表获取。
更进一步地,通过所述火点置信度模型,所述山火可信概率与山火可信概率所对应的权重作乘法,确定所述高疑似火点的置信概率P,同时通过经纬度坐标计算得到高疑似火点到输电线路的直线距离,若所述高疑似火点的置信概率P大于所述阈值A且与高疑似火点到输电线路的直线距离小于所述阈值B,则发出山火预警,所述阈值A为60%,所述阈值B为3000米。
更进一步地,所述山火预警分为三级,高疑似火点到输电线路的直线距离小于距离0~1000米为一级告警,1000~2000米为二级告警,2000~3000米为三级告警。
除上述的识别方式之外,本发明还公开了一种结合卫星遥感和地表要素的山火识别装置,
接收模块,用于获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
比对模块,用于将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
检测模块,用于对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
告警模块,用于取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取火点的置信概率,同时通过所述高疑似火点的位置信息确定高疑似火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
本发明的有益效果为:
1.通过建立火点辨识模型和火点置信度模型,提高了卫星监测与地表要素的协同效率,提高了判断火点的准确性,整体降低误报率。
2.通过历史亮温、气温、湿度、海拔以及日照时长等要素决定基础亮温,通过每个像素点的亮温值与基础亮温阈值的差值来判断是否火点,提高了判断火点的准确性,过滤掉了大部分的干扰,按照本发明所提供的方法进行指导作业,能够有效保障超高压输电线路最大程度上不受山火影响而跳闸。
3.利用极轨卫星和同步卫星的数据相互印证,利用同类卫星的周期性重复告警进行印证,提高准确率。
4.结合卫星遥感和地表要素,计算高疑似火点的置信概率,超过一定概率才告警,有效降低整体误报率。
附图说明
图1为本发明结合卫星遥感和地表要素的山火识别方法的流程图一;
图2为本发明结合卫星遥感和地表要素的山火识别方法的流程图二;
图3为本发明结合卫星遥感和地表要素的山火识别方法的流程图三;
图4为本发明结合卫星遥感和地表要素的山火识别方法的流程图四。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明在说明具体方案前先说明具体识别模型如下:
火点识别原理:根据维恩位移定律,自然界中任何温度高于0K的物体都会发出辐射,其电磁波的波长与物体的温度的乘积为一个常量。
Tλmax=2.8978×106(nm·K)
发生山火时,着火点附近的温度大约在600K以上,最大辐射发出电磁波的波长为480μm左右。根据斯特藩-玻尔兹曼定律:
M(T)=σεT4
其中M(T)代表辐射总量,ε为黑体的辐射系数,σ为斯特藩-玻尔兹曼常数,其大小为:
5.67×10-8W/(m2·K4)
举例来说,物体由常温300K到燃烧状态600K的过程中,辐射量增大了16倍,这在会引起卫星影像上的像素点亮度明显变化,并且明显高于周边像素点亮度,由此可以监测输电线路周边的山火。
根据图1-4所示,本实施例提出了一种结合卫星遥感和地表要素的山火识别方法,
S1,获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
从TERRA、AQUA、SNPP、FY-3B、FY3C、FY-4、Himawari-8等卫星获取卫星遥感图像数据,卫星数据来源主要分为极轨卫星和同步卫星,其中FY-4、Himawari-8为同步卫星,TERRA、AQUA、SNPP、FY-3B、FY3C为极轨卫星,极轨卫星具有分辨率高、识别精度高等优点,但不能全天监测;同步卫星可实现24小时连续监测,监测频率达到10分钟每次,但由于分辨率和精度都较低,容易出现漏报和误报。通过极轨卫星和同步卫星数据的互补,可以实现输电线路山火的全天监测。获取所述卫星遥感图像数据的主体可以是用户的服务器和/或个人电脑和/或其他运算设备,所述用户的服务器和/或个人电脑和/或其他运算设备可以是直接或者间接获取卫星遥感图像数据,后续所有的运算均在所述用户的服务器和/或个人电脑和/或其他运算设备上进行。
获取卫星遥感图像数据的范围一般以地级市为单位,同样地,也可以按其他行政区域或人为设定的划分方式进行划分,作为S21步骤中的监测区域。
所述建立火点辨识模型的过程包括,
S11,截取部分所述卫星遥感图像数据作为监测区域,在所述监测区域内取n个点的影响因素,得到n组历史数据[Thoi,T,H,E,G],其中Thoi为历史亮温阈值,T为气温,H为湿度,E为海拔,G为日照时长,为所述影响因素T、H、E和G分别设定权重值a、b、c和d,建立一次方程组
S12,采用最小二乘估计法对以上方程组进行变换得到等式
S13,S(a,b,c,d)的最小值在各个变量的偏导值为0的时候得到方程
S14,解方程(3)后得到所述权重值a、b、c和d;
S15,定时取各所述监测区域的气温、湿度、海拔以及日照时长,代入方程组(1)得到定时时段内所述监测区域的基础亮温阈值Th。气温、湿度、海拔、日照时长这四个影响因素极易获得,而且判断的效率也非常高,无需再采集其他比较困难才能获得的数据,并且通过历史亮温阈值、气温、湿度、海拔以及日照时长等要素决定基础亮温,通过每个像素点的亮温值与基础亮温阈值的差值来判断是否火点,提高了判断火点的准确性,过滤掉了大部分的干扰。
S2,将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
S21,在所述建立火点辨识模型后还包括,将所述实时卫星遥感图像去噪后获取图像每个像素点的亮温值TC,并将所述亮温值TC进行二值化,将TC>Th的像素点标记为白色,将TC<Th的像素点标记为黑色,判断二值化后的白色像素点为所述疑似火点,并加入所述疑似火点清单。
S3,对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
所述周期性监视比对包括,
S31,判断所述疑似火点的来源,若所述疑似火点源自同步卫星,则继续监测下一同步卫星信号周期是否存在距离1千米内相同热点告警,若出现重复告警,则将所述疑似火点列为高疑似火点,若未重复告警,但极轨卫星在告警前30分钟内存在距离1千米内相关热点告警,则列为高疑似火点;所述同步卫星信号周期为10min,每隔十分钟监测下一同步卫星信号周期是否存在距离1千米内相同热点告警,避免长时间不进行告警而令到火势快速蔓延。
S32,若所述疑似火点源自极轨卫星,且在告警前30分内距离1千米内存在同步卫星相关热点告警,则列为高疑似火点,判断火点监测数据源自极轨卫星,且在告警前30分内距离1千米内存在其他极轨卫星相关热点告警,则列为高疑似火点;
S33,其他情况不将所述疑似火点列为高疑似火点。
利用极轨卫星和同步卫星的数据相互印证,利用同类卫星的周期性重复告警进行印证,提高准确率。
S4,取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取火点的置信概率,同时通过所述高疑似火点的位置信息确定所述高疑似火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
所述建立火点置信度模型的过程包括,
S41,获取高疑似火点的经纬度坐标,根据所述经纬度坐标的位置提取附近地区的地表气象要素,并建立所述火点置信度模型,
S42,影响卫星辨识山火存在五类因素,其中PA为地表因素对应的山火可信概率,PB为广域气象对应的山火可信概率,PC为人文节气对应的山火可信概率,PD为历史火点对应的山火可信概率,PE为火点聚集度对应的山火可信概率,HA、HB、HC、HD和HE为五个所述山火可信概率PA、PB、PC、PD和PE所对应的权重,所述山火可信概率通过预设的概率表获取,所述概率表如下所示,
S43,通过所述火点置信度模型,所述山火可信概率与山火可信概率所对应的权重作乘法,确定所述高疑似火点的置信概率P,同时通过经纬度坐标计算得到火点到输电线路的直线距离,若所述高疑似火点的置信概率P大于所述阈值A且与高疑似火点到输电线路的直线距离小于所述阈值B,则发出山火预警,所述阈值A为60%,所述阈值B为3000米。山火预警的发布方式也是多样的,可以通过电话、广播、互联网等一切实时性的传输和/或公告方式来进行发布。
S44,所述山火预警分为三级,高疑似火点到输电线路的直线距离小于距离0~1000米为一级告警,1000~2000米为二级告警,2000~3000米为三级告警。
告警模板如下:xx年xx月xx日xx时xx分xx秒,xx卫星监测到xxkVxx线路xx方向xx米处有xx处山火xx级告警,附近历史实际山火xx处,请相关单位组织输电班组进行后续跟踪。
通过建立火点辨识模型、火点置信度模型以及双类型卫星周期性监视,三层过滤有效减少山火预警误报,提高告警准确性,避免浪费人力物力。
下面以某个地点作例子实施:假设A市存在一个所述高疑似火点,那么以所述高疑似火点提取附近地区的地表气象要素,并建立所述火点置信度模型,具体地,所述高疑似火点附近为一个茂密林区,正值清明时节,早上下了一场小雨,降雨量9mm,中午多位市民前往所述高疑似火点附近进行拜祭,该地点存在一次历史山火记录,火点到输电线路的直线距离为2.5km、于2小时范围内有3个火点。根据上述火点置信度模型可以得到下列算式:
PA*HA+PB*HB+PC*HC+PD*HD+PE*HE=1*0.3+9*0.3+1*0.1+0.5*0.1+0.5*0.2=73%,另外已知上述火点到输电线路的直线距离为2.5km,则可以发出山火预警,判断此次山火预警为三级告警,并组织相关单位前往处理,按照本发明所提供的方法进行指导作业,能够有效保障超高压输电线路最大程度上不受山火影响而跳闸。并且,通过建立火点辨识模型和火点置信度模型,提高了卫星监测与地表要素的协同效率。
一种结合卫星遥感和地表要素的山火识别装置,
接收模块,用于获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
比对模块,用于将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
检测模块,用于对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
告警模块,用于取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取高疑似火点的置信概率,同时通过所述高疑似火点的位置信息确定高疑似火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
优选地,所述建立火点辨识模型的过程包括,
截取部分所述卫星遥感图像数据作为监测区域,在所述监测区域内取n个点的影响因素,得到n组历史数据[Thoi,T,H,E,G],其中Thoi为历史亮温阈值,T为气温,H为湿度,E为海拔,G为日照时长,为所述影响因素T、H、E和G分别设定权重值a、b、c和d,建立一次方程组(1),
采用最小二乘估计法对以上方程组进行变换得到等式(2),S(a,b,c,d)=[Tho1-(aT1+bH1+cE1+dG1)]2+
…
+[Thon-(aTn+bHn+cEn+dGn)]2
S(a,b,c,d)的最小值在各个变量的偏导值为0的时候得到(3),
解方程得后得到所述权重值a、b、c和d;
定时取各所述监测区域的气温、湿度、海拔以及日照时长,代入方程组(1)得到定时时段内所述监测区域的基础亮温阈值Th。
优选地,在所述建立火点辨识模型后还包括,将所述实时卫星遥感图像去噪后获取图像每个像素点的亮温值TC,并将所述亮温值TC进行二值化,将TC>Th的像素点标记为白色,将TC<Th的像素点标记为黑色,判断二值化后的白色像素点为所述疑似火点,并加入疑似火点清单。
优选地,所述周期性监视比对包括,
判断所述疑似火点的来源,若所述疑似火点源自同步卫星,则继续监测下一同步卫星信号周期是否存在距离1千米内相同热点告警,若出现重复告警,则将所述疑似火点列为高疑似火点,若未重复告警,但极轨卫星在告警前30分钟内存在距离1千米内相关热点告警,则列为高疑似火点;
若所述疑似火点源自极轨卫星,且在告警前30分内距离1千米内存在同步卫星相关热点告警,则列为高疑似火点,判断火点监测数据源自极轨卫星,且在告警前30分内距离1千米内存在其他极轨卫星相关热点告警,则列为高疑似火点;
其他情况不将所述疑似火点列为高疑似火点。
优选地,所述同步卫星信号周期为10min。
所述建立火点置信度模型的过程包括,获取高疑似火点的经纬度坐标,根据所述经纬度坐标的位置提取附近地区的地表气象要素,并建立所述火点置信度模型(4)
影响卫星辨识山火存在五类因素,其中PA为地表因素对应的山火可信概率,PB为广域气象对应的山火可信概率,PC为人文节气对应的山火可信概率,PD为历史火点对应的山火可信概率,PE为火点聚集度对应的山火可信概率,HA、HB、HC、HD和HE为五个所述山火可信概率PA、PB、PC、PD和PE所对应的权重,所述山火可信概率通过预设的概率表获取。
更进一步地,通过所述火点置信度模型,所述山火可信概率与山火可信概率所对应的权重作乘法,确定所述高疑似火点的置信概率P,同时通过经纬度坐标计算得到高疑似火点到输电线路的直线距离,若所述高疑似火点的置信概率P大于所述阈值A且与高疑似火点到输电线路的直线距离小于所述阈值B,则发出山火预警,所述阈值A为60%,所述阈值B为3000米。
更进一步地,所述山火预警分为三级,高疑似火点到输电线路的直线距离小于距离0~1000米为一级告警,1000~2000米为二级告警,2000~3000米为三级告警。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (9)
1.一种结合卫星遥感和地表要素的山火识别方法,其特征在于,
获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取火点的置信概率,同时通过所述高疑似火点的位置信息确定火点到输电线路的直线距离,若所述高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
2.如权利要求1所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,所述建立火点辨识模型的过程包括,
截取部分所述卫星遥感图像数据作为监测区域,在所述监测区域内取n个点的影响因素,得到n组历史数据[Thoi,T,H,E,G],其中Thoi为历史亮温阈值,T为气温,H为湿度,E为海拔,G为日照时长,为所述影响因素T、H、E和G分别设定权重值a、b、c和d,建立一次方程组
采用最小二乘估计法对以上方程组进行变换得到等式
S(a,b,c,d)的最小值在各个变量的偏导值为0的时候得到
解方程(3)后得到所述权重值a、b、c和d;
定时取各所述监测区域的气温、湿度、海拔以及日照时长,代入方程组(1)得到定时时段内所述监测区域的基础亮温阈值Th。
3.如权利要求2所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,在所述建立火点辨识模型后还包括,将所述实时卫星遥感图像去噪后获取图像每个像素点的亮温值TC,并将所述亮温值TC进行二值化,将TC>Th的像素点标记为白色,将TC<Th的像素点标记为黑色,判断二值化后的白色像素点为所述疑似火点,并加入疑似火点清单。
4.如权利要求3所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,所述周期性监视比对包括,
判断所述疑似火点的来源,若所述疑似火点源自同步卫星,则继续监测下一同步卫星信号周期是否存在距离1千米内相同热点告警,若出现重复告警,则将所述疑似火点列为高疑似火点,若未重复告警,但极轨卫星在告警前30分钟内存在距离1千米内相关热点告警,则列为高疑似火点;
若所述疑似火点源自极轨卫星,且在告警前30分内距离1千米内存在同步卫星相关热点告警,则列为高疑似火点,判断火点监测数据源自极轨卫星,且在告警前30分内距离1千米内存在其他极轨卫星相关热点告警,则列为高疑似火点;
其他情况不将所述疑似火点列为高疑似火点。
5.如权利要求4所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,所述同步卫星信号周期为10min。
7.如权利要求6所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,通过所述火点置信度模型,所述山火可信概率与山火可信概率所对应的权重作乘法,确定所述高疑似火点的置信概率P,同时通过经纬度坐标计算得到高疑似火点到输电线路的直线距离,若所述高疑似火点的置信概率P大于所述阈值A且与高疑似火点到输电线路的直线距离小于所述阈值B,则发出山火预警,所述阈值A为60%,所述阈值B为3000米。
8.如权利要求7所述的结合卫星遥感和地表要素的山火识别方法,其特征在于,所述山火预警分为三级,所述高疑似火点到输电线路的直线距离小于距离0~1000米为一级告警,1000~2000米为二级告警,2000~3000米为三级告警。
9.一种结合卫星遥感和地表要素的山火识别装置,其特征在于,
接收模块,用于获取卫星遥感图像数据,通过所述卫星遥感图像数据建立火点辨识模型;
比对模块,用于将实时卫星遥感图像与所述火点辨识模型对比后得到疑似火点,并将所述疑似火点形成疑似火点清单;
检测模块,用于对所述疑似火点清单内的所述疑似火点进行周期性监视比对,并得到高疑似火点;
告警模块,用于取所述高疑似火点建立火点置信度模型,通过所述火点置信度模型获取火点的置信概率,同时通过所述高疑似火点的位置信息确定火点到输电线路的直线距离,若高疑似火点的置信概率大于阈值A且高疑似火点到输电线路的直线距离小于阈值B,则发出山火预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018595.2A CN110853280A (zh) | 2019-10-24 | 2019-10-24 | 结合卫星遥感和地表要素的山火识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018595.2A CN110853280A (zh) | 2019-10-24 | 2019-10-24 | 结合卫星遥感和地表要素的山火识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110853280A true CN110853280A (zh) | 2020-02-28 |
Family
ID=69597050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911018595.2A Pending CN110853280A (zh) | 2019-10-24 | 2019-10-24 | 结合卫星遥感和地表要素的山火识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110853280A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783560A (zh) * | 2020-06-12 | 2020-10-16 | 云南电网有限责任公司电力科学研究院 | 一种多参量融合的电网山火二次判别方法及装置 |
CN111858813A (zh) * | 2020-07-21 | 2020-10-30 | 云南电网有限责任公司带电作业分公司 | 一种基于卫星技术的非火点区域排除方法 |
CN112113913A (zh) * | 2020-08-30 | 2020-12-22 | 山东锋士信息技术有限公司 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
CN114216563A (zh) * | 2021-11-16 | 2022-03-22 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN114973584A (zh) * | 2022-05-10 | 2022-08-30 | 云南电网有限责任公司电力科学研究院 | 山火告警方法及装置、计算机设备及存储介质 |
CN117197680A (zh) * | 2023-08-20 | 2023-12-08 | 国网湖北省电力有限公司神农架供电公司 | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120101955A (ko) * | 2011-03-07 | 2012-09-17 | 부경대학교 산학협력단 | 정지 궤도 위성과 극궤도 위성의 관측 지점 일치 시스템 및 그 방법 |
CN104268655A (zh) * | 2014-09-30 | 2015-01-07 | 国家电网公司 | 一种输电线路山火预警方法 |
US9436784B2 (en) * | 2013-02-08 | 2016-09-06 | University Of Alaska Fairbanks | Validating and calibrating a forecast model |
CN107784277A (zh) * | 2017-10-17 | 2018-03-09 | 国网湖南省电力公司 | 一种山火判识方法和*** |
CN107844897A (zh) * | 2017-10-25 | 2018-03-27 | 国网湖南省电力公司 | 一种基于分治法的电网山火监测告警杆塔计算方法 |
CN108229738A (zh) * | 2017-12-29 | 2018-06-29 | 国网湖南省电力有限公司 | 输电线路卫星山火监测及次危害火点统计的方法、***及存储介质 |
CN108564761A (zh) * | 2018-05-10 | 2018-09-21 | 中南林业科技大学 | 基于风云气象卫星数据的林火识别方法 |
CN108664926A (zh) * | 2018-05-10 | 2018-10-16 | 中南林业科技大学 | 森林火灾卫星监测云层反射虚假热点的识别方法 |
CN109598236A (zh) * | 2018-12-04 | 2019-04-09 | 国网湖南省电力有限公司 | 一种自动化火点判识方法及*** |
CN110333519A (zh) * | 2019-04-26 | 2019-10-15 | 云南电网有限责任公司电力科学研究院 | 基于高轨低轨卫星数据的输电线路山火监测方法及装置 |
-
2019
- 2019-10-24 CN CN201911018595.2A patent/CN110853280A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120101955A (ko) * | 2011-03-07 | 2012-09-17 | 부경대학교 산학협력단 | 정지 궤도 위성과 극궤도 위성의 관측 지점 일치 시스템 및 그 방법 |
US9436784B2 (en) * | 2013-02-08 | 2016-09-06 | University Of Alaska Fairbanks | Validating and calibrating a forecast model |
CN104268655A (zh) * | 2014-09-30 | 2015-01-07 | 国家电网公司 | 一种输电线路山火预警方法 |
CN107784277A (zh) * | 2017-10-17 | 2018-03-09 | 国网湖南省电力公司 | 一种山火判识方法和*** |
CN107844897A (zh) * | 2017-10-25 | 2018-03-27 | 国网湖南省电力公司 | 一种基于分治法的电网山火监测告警杆塔计算方法 |
CN108229738A (zh) * | 2017-12-29 | 2018-06-29 | 国网湖南省电力有限公司 | 输电线路卫星山火监测及次危害火点统计的方法、***及存储介质 |
CN108564761A (zh) * | 2018-05-10 | 2018-09-21 | 中南林业科技大学 | 基于风云气象卫星数据的林火识别方法 |
CN108664926A (zh) * | 2018-05-10 | 2018-10-16 | 中南林业科技大学 | 森林火灾卫星监测云层反射虚假热点的识别方法 |
CN109598236A (zh) * | 2018-12-04 | 2019-04-09 | 国网湖南省电力有限公司 | 一种自动化火点判识方法及*** |
CN110333519A (zh) * | 2019-04-26 | 2019-10-15 | 云南电网有限责任公司电力科学研究院 | 基于高轨低轨卫星数据的输电线路山火监测方法及装置 |
Non-Patent Citations (5)
Title |
---|
周游: "《灾害防治手册》", 31 August 1998 * |
孙萌等: "基于图像识别技术的输电线路卫星山火监测与定位", 《自动化技术与应用》 * |
季卜枚主编: "《兵器世家的骄子—兵器科学与高新技术》", 30 June 1998 * |
李旭东等: "《建筑电气设计原理30讲》", 31 May 2018 * |
李若楠等: "抚顺市森林火险气象等级预报研究与软件开发", 《现代农业科技》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783560A (zh) * | 2020-06-12 | 2020-10-16 | 云南电网有限责任公司电力科学研究院 | 一种多参量融合的电网山火二次判别方法及装置 |
CN111858813A (zh) * | 2020-07-21 | 2020-10-30 | 云南电网有限责任公司带电作业分公司 | 一种基于卫星技术的非火点区域排除方法 |
CN112113913A (zh) * | 2020-08-30 | 2020-12-22 | 山东锋士信息技术有限公司 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
CN112113913B (zh) * | 2020-08-30 | 2021-07-09 | 山东锋士信息技术有限公司 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
CN114216563A (zh) * | 2021-11-16 | 2022-03-22 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN114216563B (zh) * | 2021-11-16 | 2024-05-28 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN114973584A (zh) * | 2022-05-10 | 2022-08-30 | 云南电网有限责任公司电力科学研究院 | 山火告警方法及装置、计算机设备及存储介质 |
CN117197680A (zh) * | 2023-08-20 | 2023-12-08 | 国网湖北省电力有限公司神农架供电公司 | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 |
CN117197680B (zh) * | 2023-08-20 | 2024-05-14 | 国网湖北省电力有限公司神农架供电公司 | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853280A (zh) | 结合卫星遥感和地表要素的山火识别方法及装置 | |
Lyons et al. | Characteristics of sprite-producing positive cloud-to-ground lightning during the 19 July 2000 STEPS mesoscale convective systems | |
Pergola et al. | Automated detection of thermal features of active volcanoes by means of infrared AVHRR records | |
US6405134B1 (en) | Method and apparatus for predicting lightning threats based on radar and temperature data | |
KR102108754B1 (ko) | 접근불능지역 실시간 산불위험예보시스템 | |
Biass et al. | Potential impacts of tephra fallout from a large-scale explosive eruption at Sakurajima volcano, Japan | |
KR102108752B1 (ko) | 접근불능지역 실시간 산불위험예보방법 | |
CN112907871B (zh) | 基于卫星遥感的雷火预警识别方法 | |
CN110009031B (zh) | 一种基于多源遥感数据的卫星山火火点二次筛选方法 | |
Fluck et al. | Radar-based assessment of hail frequency in Europe | |
Cho et al. | Weather radar network benefit model for flash flood casualty reduction | |
Taori et al. | Establishment of lightning detection sensors network in India: generation of essential climate variable and characterization of cloud-to-ground lightning occurrences | |
Cummins | On the spatial and temporal variation of GLM flash detection and how to manage it | |
Baissac et al. | Volcanic alert system by lightning detection using the WWLLN-ash cloud monitor | |
Peterson et al. | The hazards posed by mesoscale lightning megaflashes | |
Bonfiglio et al. | AVHRR automated detection of volcanic clouds | |
KR102108755B1 (ko) | 모바일 네트워크상에서의 접근불능지역 실시간 산불위험예보시스템 | |
Taori et al. | Atmospheric lightning as essential climate variable (ECV) and its availability over India using NRSC/ISRO lightning detection sensor network | |
Kolmašová et al. | Lightning activity in northern Europe during a stormy winter: disruptions of weather patterns originating in global climate phenomena | |
Zillman | Meteorological and hydrological early warning systems | |
Mohapatra et al. | Short to Medium Range Weather Forewarning System in India | |
Caseiro et al. | A methodology for gas flaring detection and characterisation using SLSTR | |
Pfeifroth et al. | SARAH-3–satellite-based climate data records of surface solar radiation | |
Kavanaugh et al. | Assessment of the eastern Gulf of Mexico Harmful Algal Bloom Operational Forecast System (GOMX HAB-OFS): A comparative analysis of forecast skill and utilization from October 1, 2004 to April 30, 2008 | |
KL | Continental-scale detection of cloud-to-ground lightning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |